基于NSCT和PCNN的数字图像增强方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN104616252A(43)申请公布日2015.05.13(21)申请号201510012083.0(22)申请日2015.01.09(71)申请人安徽师范大学地址241002安徽省芜湖市弋江区九华南路189号科技服务部(72)发明人何国栋杨凌云冯友宏丁绪星(74)专利代理机构北京润平知识产权代理有限公司11283代理人孙向民董彬(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书7页附图3页(54)发明名称基于NSCT和PCNN的数字图像增强方法(57)摘要本发明公开了一种基于NSCT和PCNN的数字图像增强方法，该方法包括：S101，将所述数字图像进行非抽样轮廓波变换(NSCT)，得到图像低频系数和图像高频系数；S102，将所述图像高频系数输入脉冲耦合神经网络(PCNN)，得到对应的点火映射图；S103，根据点火映射图，对所述图像高频系数进行增强；S104，将所述图像低频系数和所述增强图像高频系数进行非抽样轮廓波反变换，得到增强的图像。本发明由于PCNN具有生物学背景，得到的增强系数更符合人类视觉系统(HVS)特性，提高了增强图像的质量。CN104616252ACN104616252A权利要求书1/2页1.一种基于NSCT和PCNN的数字图像增强方法，其特征在于，该方法包括：S101，将所述数字图像进行非抽样轮廓波变换(NSCT)，得到图像低频系数和图像高频系数；S102，将所述图像高频系数输入脉冲耦合神经网络(PCNN)，得到对应的点火映射图；S103，根据点火映射图，对所述图像高频系数进行增强；S104，将所述图像低频系数和所述增强图像高频系数进行非抽样轮廓波反变换，得到增强的图像。2.根据权利要求1所述的数字图像增强方法，其特征在于，在步骤S101中，S201，将所述数字图像进行三级非抽样轮廓波变换(NSCT)，得到第一层高频系数、第二层高频系数、第三层高频系数和低频系数；S202，将所述第一层高频系数、第二层高频系数、第三层高频系数都分成八个方向，得到多分辨率分析的图像低频系数和图像高频系数。3.根据权利要求2所述的数字图像增强方法，其特征在于，在步骤S102中，将所述第一层高频系数、第二层高频系数和第三层高频系数分别通过脉冲耦合神经网络公式得到一一对应的点火映射图；所述脉冲耦合神经网络公式为：Li,j[n]＝ΣWi,j·Yi,j[n-1]；Ui,j[n]＝Fi,j[n]·(1+β·Li,j[n])；θi,j[n]＝exp(-αE)·θi,j[n-1]+Vθ·Yi,j[n-1]；其中，为NSCT分解的第l层、第k个方向的(i，j)位置的高频系数，Li,j为NSCT分解的(i，j)位置的低频系数。4.根据权利要求3所述的数字图像增强方法，其特征在于，在步骤S103中，根据所述点火映射图，通过点火次数公式和预设循环次数分别得到所述第一层高频系数、第二层高频系数和第三层高频系数的点火次数；所述点火次数公式为：其中，为与相对应的输入PCNN得到的点火次数。5.根据权利要求2所述的数字图像增强方法，其特征在于，在步骤S103中，通过自适应增强函数公式，对所述第一层高频系数、第二层高频系数和第三层高频系数进行增强；所述自适应增强函数公式为：2CN104616252A权利要求书2/2页为与对应的增强后的系数，E和m是常数；为与相对应的输入PCNN得到的点火次数。6.根据权利要求4所述的数字图像增强方法，其特征在于，在步骤S103中，所述预设循环次数为300。3CN104616252A说明书1/7页基于NSCT和PCNN的数字图像增强方法技术领域[0001]本发明涉及数字图像领域，具体地，涉及一种基于NSCT和PCNN的数字图像增强方法。背景技术[0002]在图像获取的过程中，存在多种因素的影响，如噪声、曝光、抖动等，图像的视觉效果受这些因素的干扰而与真实的图像之间有一些差异。从审美和后期处理的角度出发，需要对图像质量进行改善。图像增强通过相关技术手段，对干扰因素进行抑制，突出图像中感兴趣的某些特征，提高图像的视觉效果，使得处理后的图像比原图像更适合观看或后期的处理。数字图像增强技术是一种重要的图像质量改善技术，目前图像增强技术在医学、遥感、军事等众多领域得到广泛的应用。[0003]目前的图像增强技术可分为空域增强技术和变换域增强技术两大类。空域法直接对像素进行处理，例如经典的直方图均衡化处理方法，通过变换函数使像素灰度直方图分布趋于均匀。变换域增强方法首先对图像进行变换，对变换后的系数进行相关增强处理，然后经过对应的逆变换，得到增强的图像。常用的变换方法有傅里叶变换，离散余弦变换，小波变换等。[0004]非抽样轮廓波变换(NSC